Il Master Data Management (MDM) è un insieme di discipline, processi e tecnologie utilizzati per gestire i dati master di un’organizzazione. I dati master sono dati su entità o oggetti aziendali (clienti, fornitori, dipendenti, prodotti, centri di costo, ecc.) attorno ai quali viene condotto il business dell’azienda. L’MDM viene utilizzato per fornire un contesto ai dati transazionali ed è generalmente sparso per l’azienda in vari fogli di calcolo, applicazioni e persino supporti fisici.

Gartner definisce MDM come “una disciplina abilitata alla tecnologia in cui il business e l’IT lavorano insieme per garantire l’uniformità, l’accuratezza, la gestione, la coerenza semantica e la responsabilità delle risorse di dati master dell’azienda”.

Principi del Master Data Management

MDM cerca di creare un’unica versione della verità su tutte le copie dei dati master per garantire che i valori dei dati siano allineati. In tal modo, MDM fornisce “un’infrastruttura a livello aziendale per standardizzare, integrare e stabilire una fonte autorevole per i dati provenienti da fonti di informazioni disparate che hanno attributi simili e/o duplicati per supportare le operazioni e le decisioni aziendali”, secondo la società di servizi professionali Earley Information Science.

Una volta attivato, l’MDM garantisce la coerenza e la qualità delle risorse di dati di un’azienda, inclusi dati di prodotto, dati di risorse e dati dei clienti, rendendo questi dati disponibili per gli utenti finali e altre applicazioni. Secondo il Magic Quadrant MDM di gennaio 2021 di Gartner, le organizzazioni perseguono l’MDM per una serie di motivi, come creare efficienze interne/operative (69%), migliorare i risultati dei processi aziendali (59%) e migliorare l’agilità dei processi aziendali (54%).

Dati master vs. dati di riferimento

I dati di riferimento possono essere considerati un sottoinsieme dei dati master. Sia i dati master, sia i dati di riferimento forniscono il contesto per le transazioni commerciali, ma i dati master riguardano le entità aziendali, mentre i dati di riferimento riguardano la classificazione e la categorizzazione. I dati di riferimento cambiano raramente. Gli esempi includono codici postali, codici di transazione, gerarchie finanziarie, codici di stato o paese, segmenti di clienti e così via.

Secondo la società di dati aziendali TIBCO, “laddove i dati master rappresentano parti fondamentali dell’attività, compresi i dati dei clienti e i dati relativi alle attività e alle transazioni aziendali, i dati di riferimento rappresentano un insieme di dati consentiti dai dati master da utilizzare per la classificazione”.

Strategia MDM

Dan Power, presidente di Hub Solution Designs, una società di consulenza tecnologica e gestionale globale specializzata in MDM e governance dei dati, afferma che ci sono cinque componenti essenziali per un programma MDM.

DataCore Swarm

  • Cultura: MDM attraversa molti confini in un’organizzazione, portando inevitabilmente a questioni politiche. Secondo Power, un’iniziativa MDM di successo richiede un leader esperto in grado di guidare il progetto, di mantenere il senior management impegnato, di affrontare le inevitabili questioni culturali e politiche e di bilancia la necessità di garantire finanziamenti (e guadagni rapidi) con il mantenimento dell’integrità dell’architettura a lungo termine.
  • Processo: qualcuno deve riprogettare i processi aziendali dell’organizzazione nel tempo per riconoscere il ROI di un hub MDM. Power consiglia di iniziare con un insieme gestibile di processi aziendali; quelli relativi al CRM sono buoni candidati, ad esempio, poiché un hub MDM contenente i dati dei clienti sarà, per necessità, strettamente integrato con il vostro sistema CRM.
  • Tecnologia: MDM è una disciplina abilitata dalla tecnologia. I componenti tecnologici chiave includono un hub MDM per riunire tutti i dati del sistema di origine, integrazione dei dati per ottenere i dati del sistema di origine nell’hub MDM e uno strumento per la qualità dei dati. Queste tre tecnologie forniscono la base di partenza.
  • Informazioni: Affinché un programma MDM dia un quadro completo delle vostre entità aziendali, probabilmente avrete bisogno di una combinazione di dati interni ed esterni. Power consiglia di riflettere attentamente sui rapporti e sulle analisi che si desidera eseguire sui potenziali clienti e sui clienti. Dovrete pensare a tutti gli attributi necessari per supportare tali analisi. Ciò potrebbe richiedere dati esterni per attributi quali codici di settore, entrate, età, gerarchie aziendali, rischio finanziario, ecc.
  • Governance dei dati: un programma di governance dei dati è la base di un programma MDM di successo. La presenza di una governance dei dati in atto può semplificare l’MDM risolvendo problemi come la proprietà dei dati e le regole per la convalida e l’arricchimento dei dati.

Strumenti di gestione dei dati master

Sono disponibili molte soluzioni per supportare i programmi MDM. Alcuni dei più popolari includono:

  • Ataccama ONE: questa piattaforma di gestione dei dati supporta la gestione dei dati sia master che di riferimento. Serve principalmente organizzazioni di servizi finanziari di medie e grandi dimensioni, concentrandosi su governance dei dati, qualità dei dati, gestione dei metadati e MDM.
  • IBM InfoSphere Master Data Management: disponibile on-premise o come offerta cloud completamente gestita, InfoSphere MDM si concentra su più casi d’uso di dati master di dominio. IBM ha allineato la sua strategia MDM con la gestione dei dati potenziata grazie a Watson e con gli insight basati sulle relazioni.
  • Informatica Multidomain MDM: questa offerta del fornitore leader di MDM Informatica si concentra su più casi d’uso di dati master di dominio, tecnologie cloud-native e MDM basato sull’intelligenza artificiale.
  • Profisee Platform: Profisee si concentra su MDM multidominio con una profonda integrazione con Microsoft Azure, sebbene possa essere implementato in loco, nel cloud o tramite un modello ibrido. Ha un motore di modellazione che consente agli utenti di modellare i dati master così come esistono.
  • Riversand Platform: questa soluzione nativa per il cloud viene offerta con una strategia “partner first”. Ha molti clienti nei settori della vendita al dettaglio, dei beni di consumo e dei generi alimentari con una forte crescita nei trasporti e nei servizi.
  • SAP Master Data Governance: l’offerta SAP può essere distribuita on-premise o nel cloud e supporta tutti i domini di dati master e gli stili di implementazione. La sua roadmap è incentrata sull’evoluzione delle integrazioni dei dati master e sulle tecnologie cloud native.
  • Semarchy xDM: Semarchy utilizza il machine learning per la gestione avanzata. Le sue operazioni sono concentrate in Europa, Medio Oriente e Africa (EMEA).
  • Tibco EBX: questa soluzione progettata per il self-service gestisce il flusso di lavoro, la qualità dei dati e le applicazioni specifiche per i ruoli. Nel gennaio 2021 Tibco ha acquisito Information Builders, fornitore di soluzioni di analisi e gestione dei dati.